为了实现多输入多输出(MIMO)正交频分复用(OFDM)系统中同步损伤和信道的联合估计，提出了一种基于网格搜索的联合估计算法。首先通过构建起一个以反映同步损伤和信道响应影响的系统模型，然后将各损伤参数估计的多维优化问题简化为二维网格和一维网格搜索，从而实现对载波频率偏移、采样频率偏移和符号定时误差的联合估计；数值仿真结果表明，本文提出的联合估计算法相比于非联合估计算法具有更好的估计性能。

基于UKF推导了非线性系统参数的递推最大似然估计算法, 并结合UKF实现了对不完全信息下导弹的参数与状态的实时联合估计。首先通过引入导弹的导引律, 建立导弹的状态滤波模型, 进而给出参数辨识的一般递推似然法, 并在UKF状态滤波算法的基础上推导出非线性递推最大似然参数估计方法, 实现了参数估计与状态滤波的并行计算。仿真结果表明, 该方法收敛速度快, 具有很好的实时性和较高的估计精度。

针对阵列信号多维参数估计计算量大，需要参数配对运算等问题，提出了一种利用状态空间模型联合估计波达方向(DOA)和频率的方法。首先，构造一个特殊的状态空间模型，其系统矩阵包含信号的波达方向和频率信息；然后，通过选取合适的辅助变量，利用信号的二阶统计特性抑制噪声干扰，并利用正交投影理论和奇异值分解得到广义可观测矩阵的估计值；最后，由广义可观测矩阵得到系统矩阵的估计值，由系统矩阵估计值的特征分解得到信号的波达方向和频率。实验结果表明，在信噪比为0 dB的情况下同时估计两个信源时，信号频率估计的均方根误差为0.003 5 rad，信号到达角估计的均方根误差为0.38°，基本达到了联合估计算法的设计要求。

在传统的基于波前探测的解卷积方法中, 由波前探测得到的点扩展函数被认为是精确的, 并用维纳滤波进行复原, 但是点扩展函数不可避免地存在误差, 所以最终的复原目标图像质量不佳。为了解决该难题, 提出了基于目标和点扩展函数联合估计的图像近视解卷积算法。它运用了点扩展函数和目标的先验信息, 对点扩展函数和目标进行了规整和进一步约束, 从而得到更优的恢复图像质量。对该方法的原理和实现过程进行了阐述, 并将其运用于室内点源目标数据中。实验结果证明, 与维纳滤波方法相比, 该方法使图像恢复的效果得到明显改善。